[发明专利]结合知识库的深层数据处理方法和系统

权利要求书

1.一种结合知识库的深层数据处理方法，其特征在于，该方法包括以下步骤：

步骤S1，基于本体库中概念的层次组织结构，对于所述本体库中的概念元组集合进行归并处理，这些元组的谓词包括概念的属性或者概念之间的关系；

步骤S2，基于归并处理后得到的概念元组集合，得到不同类型谓词的链接路径，以及相应的逻辑规则集合；

步骤S3，对所述逻辑规则集合进行初步筛选，获得候选规则集合；

步骤S4，基于深层和积网络（Sum-Product Network,SPN）得到用来计算所述候选规则集合不确定性的深层概率图模型，继而得到赋值权重的逻辑规则集合，即马尔可夫逻辑网络，并存储于规则库中；

步骤S5，利用汉语分词技术将待处理数据转化为词语的有序元组，并且每个词语都具有相应的词性标注，再结合基本的句式结构提取得到结构化元组；

步骤S6，将所述步骤S5得到的所有结构化元组中的实例分别映射到层次化概念空间中，依据实例所属概念，以及谓词对应的概念搭配，对结构化元组中的实例和谓词分别进行语义标识；

步骤S7，基于所述步骤S6得到的语义标识结果，生成待推理的有标识结构化元组，即目标元组；

步骤S8，对所述步骤S7得到的目标元组进行语义泛化，并将泛化后产生的结构化元组与原目标元组一起形成目标元组集合；

步骤S9，基于所述步骤S8得到的目标元组集合，对规则库中的逻辑规则进行有效的激活，对事实库中的结构化元组以及上下文知识进行有效的激活，所述上下文知识为所述步骤S5中得到的结构化元组中的非目标元组集合，得到逻辑规则集合和支撑后续推理的证据元组集合；

步骤S10，基于所述步骤S9中激活得到的证据元组集合，对所述步骤S9得到的逻辑规则集合进行实例化，同时计算所述目标元组成立的条件概率，得到待处理数据的最终处理结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括以下步骤：

步骤S11，根据所涉及谓词的不同将所述概念元组集合划分为若干子集Τ；

步骤S12，为每个子集Τ设置候选集Γ来记录归并处理过程中产生的中间结果，最终得到归并后的概念元组集合，所述归并为给定任意两个具有相同谓词的元组γi和γj，逐步扫描每个元组的语法成分，如果这些语法成分所对应的两个概念都具有上下位关系，则将下位概念分别替换为相应的上位概念。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：

步骤S21，对于归并处理后得到的概念元组集合，令候选集从Γ中选取概念元组γ并添加到空路径中，同时令Γ=Γ-{γ}；

步骤S22，从所述概念元组集合中搜索与当前路径中已有概念元组具有链接概念对的元组，将搜索到的概念元组递归地添加到当前路径中，直至链接路径达到预定义最大长度或者再无新的概念元组添加；

步骤S23，利用逻辑运算符将得到的链接路径中的各个概念元组关联起来，得到多种逻辑规则；

步骤S24，重复所述步骤S21-S23，直到得到多条链接路径以及相应的多种逻辑规则，组成逻辑规则集合。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3进一步包括以下步骤：

步骤S31，将所述逻辑规则集合中的每条逻辑规则进行实例化，使得所述逻辑规则中的每个实例结构化元组与相应的概念结构化元组具有一一映射关系；

步骤S32，基于事实库中的结构化元组集合，统计实例化逻辑规则前提成立的次数及其前提和结论同时成立的次数，然后基于两者的比值得到评测所述逻辑规则成立的置信度，并且将置信度超过某个给定阈值的逻辑规则筛选出来，得到候选规则集合。